【技术实现步骤摘要】
本专利技术涉及一种人脸识别方法,具体地涉及一种基于余弦相似度度量学习的人脸识别方法。
技术介绍
人脸识别是一种人体生物识别技术,它在许多领域有实际和潜在的应用,如刑侦破案、证件核对、安全监控等。正是由于人脸识别有着广阔的应用前景,它才越来越成为当前模式识别和人工智能领域的一个热点。人脸识别容易受到各种因素的影响,如:光照、表情、角度、样本量等。目前怎样提高人脸识别准确度主要体现在如何获得有效的鉴别特征。近年来随着深度学习的不断研究,人们可以从大量的样本里学到很好的特征。而在匹配方面尤其是单一训练样本问题上,往往直接用度量方法比对,如:欧氏距离、余弦相似度等。这些度量方法是由人工设计的,没有利用到人脸样本间的信息,如来自相同人的样本和来自不同人的样本之间的联系与区别,所以直接用于人脸特征匹配并不适合。
技术实现思路
针对上述技术问题,本专利技术目的是:提供一种基于余弦相似度度量学习的人脸识别方法,该方法计算简单,能提高现有度量的泛化能力,有效增强人脸识别的精度。本专利技术的技术方案是:一种基于余弦相似度度量学习的人脸识别方法,其特征在于,包括以下步骤:S01:对于人脸图像,依次进行人脸检测、特征点定位及归一化和特征提取;S02:计算所有训练样本和验证样本得到特征向量,使用余弦相似度度量学习方法估计最优转移矩阵A,计算样本间的相似度,将相似度与设定的阈值比较,若大于阈值,则人脸图像为同一个人,否则不是同一个人。优选的,所述步骤S01包括,若检测到人脸,继续定位人脸特征点,根据人眼坐标校正人脸至平面内水平,并按比例裁剪图像。优选的,所述步骤S01中使用高维多尺度L ...
【技术保护点】
一种基于余弦相似度度量学习的人脸识别方法,其特征在于,包括以下步骤:S01:对于人脸图像,依次进行人脸检测、特征点定位及归一化和特征提取;S02:计算所有训练样本和验证样本得到特征向量,使用余弦相似度度量学习方法估计最优转移矩阵A,计算样本间的相似度,将相似度与设定的阈值比较,若大于阈值,则人脸图像为同一个人,否则不是同一个人。
【技术特征摘要】
1.一种基于余弦相似度度量学习的人脸识别方法,其特征在于,包括以下步骤:S01:对于人脸图像,依次进行人脸检测、特征点定位及归一化和特征提取;S02:计算所有训练样本和验证样本得到特征向量,使用余弦相似度度量学习方法估计最优转移矩阵A,计算样本间的相似度,将相似度与设定的阈值比较,若大于阈值,则人脸图像为同一个人,否则不是同一个人。2.根据权利要求1所述的基于余弦相似度度量学习的人脸识别方法,其特征在于,所述步骤S01包括,若检测到人脸,继续定位人脸特征点,根据人眼坐标校正人脸至平面内水平,并按比例裁剪图像。3.根据权利要求1所述的基于余弦相似度度量学习的人脸识别方法,其特征在于,所述步骤S01中使用高维多尺度LBP特征提取特征点,具体包括:S21:归一化人脸图像至5个尺度,分别为300、200、150、100和75;S22:对每一个特征点,取其周围40×40的区域,并分割成不重叠的4×4块,每个块内计算均匀模式的...
【专利技术属性】
技术研发人员:武克杰,鲁星星,吴建伟,
申请(专利权)人:江苏华通晟云科技有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。